Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Kongresse
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Veranstaltungskalender Awards MyNewsletter Firmensuche
Kunden Login
Über Einzelzugang informieren
Über Unternehmenszugang informieren
Referenzkunden
Elektrische Antriebe und Energiesysteme 2025 | 26 + 27 März 2025

19. Internationaler MTZ-Fachkongress Zukunftsantriebe

Seien Sie bei der Konferenz dabei! Dort treffen Experten aus der Automobilindustrie, Energieerzeugung und Stromnetzbetrieb auf Vertreter aus Politik und Wissenschaft. Diskutiert werden wichtige Themen der Branche.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Kapitel lesen Erstes Kapitel lesen

2022 | OriginalPaper | Buchkapitel

Google Trends to Investigate the Degree of Global Interest Related to Indoor Location Detection

verfasst von : Nirmalya Thakur, Chia Y. Han

Erschienen in: Human Interaction, Emerging Technologies and Future Systems V

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The scientific contribution of this paper is a Big Data-centric study, conducted using Google Trends, that involved analysis of the global, country-level, and state-level search trends related to indoor localization by mining relevant Google Search data from 2015–2020. There are three novel findings of this study. First, the current global search interest in indoor localization is higher than the average, median, and mode values of search interests (since 2015), and it is projected to keep increasing in the near future. Second, Singapore predominantly leads all other countries in terms of user interests in indoor localization. It is followed by Canada and United States, which are followed by the other countries. Third, the state-level analysis for the United States shows that Massachusetts leads all other states in terms of user interests in indoor localization. It is followed by New Jersey and Michigan, which are followed by the other states.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Who Are the Stakeholders of Drone Use? Roles, Benefits, Risk Perceptions, and Solutions
Nächstes Kapitel Production Management Model Based on Lean Manufacturing and SLP to Increase Efficiency in the Tapestry Manufacturing Process in Lima Manufacturing SMEs
Literatur
1.
Langlois, C., Tiku, S., Pasricha, S.: Indoor localization with smartphones: harnessing the sensor suite in your pocket. IEEE Consum. Electron. Mag. 6(4), 70–80 (2017)CrossRef
2.
Gorecky, D., Schmitt, M., Loskyll, M., Zuhlke, D.: Human-machine-interaction in the industry 4.0 era. In: 2014 12th IEEE International Conference on Industrial Informatics (INDIN), pp. 289–294. IEEE (2014)
3.
Thakur, N., Han, C.Y.: Multimodal approaches for indoor localization for ambient assisted living in smart homes. Information (Basel). 12(3), 114 (2021)CrossRef
4.
Dardari, D., Closas, P., Djuric, P.M.: Indoor tracking: theory, methods, and technologies. IEEE Trans Veh Technol. 64(4), 1263–1278 (2015)CrossRef
5.
6.
Preis, T., Moat, H.S., Stanley, H.E., Bishop, S.R.: Quantifying the advantage of looking forward. Sci. Rep. 2(1), 350 (2012)CrossRef
7.
Preis, T., Moat, H.S., Stanley, H.E.: Quantifying trading behavior in financial markets using Google Trends. Sci Rep. 3(1), 1684 (2013)CrossRef
8.
Mavragani, A., Ochoa, G., Tsagarakis, K.P.: Assessing the methods, tools, and statistical approaches in Google Trends research: systematic review. J. Med. Internet Res. 20(11), e270 (2018)
9.
Chen, Y., Xie, J.: Online consumer review: word-of-mouth as a new element of marketing communication mix. Manage. Sci. 54(3), 477–491 (2008)CrossRef
10.
11.
Mellon, J.: Where and when can we use Google Trends to measure issue salience? PS Polit Sci Polit. 46(02), 280–290 (2013)CrossRef
12.
Hu, J., Liu, D., Yan, Z., Liu, H.: Experimental analysis on weight K-nearest neighbor indoor fingerprint positioning. IEEE Internet Things J. 6(1), 891–897 (2019)CrossRef
13.
Qin, F., Zuo, T., Wang, X.: CCpos: WiFi fingerprint indoor positioning system based on CDAE-CNN. Sensors (Basel). 21(4), 1114 (2021)CrossRef
14.
Ullah Khan, I., et al.: An improved hybrid indoor positioning system based on surface tessellation artificial neural network. Meas. Control. 53(9–10), 1968–1977 (2020)
15.
16.
Zhang, L., Zhao, C., Wang, Y., Dai, L.: Fingerprint-based indoor localization using weighted K-nearest neighbor and weighted signal intensity. In: Proceedings of the 2nd International Conference on Artificial Intelligence and Advanced Manufacture, New York, NY, USA. ACM (2020)
17.
Gao, J., Li, X., Ding, Y., Su, Q., Liu, Z.: WiFi-based indoor positioning by random forest and adjusted cosine similarity. In: 2020 Chinese Control and Decision Conference (CCDC), pp. 1426–1431. IEEE (2020)
18.
Mierswa, I., Wurst, M., Klinkenberg, R., Scholz, M., Euler, T.: YALE: rapid prototyping for complex data mining tasks. In: Proceedings of the 12th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining - KDD 2006. New York, New York, USA. ACM Press (2006)
Metadaten
Titel
Google Trends to Investigate the Degree of Global Interest Related to Indoor Location Detection
verfasst von
Nirmalya Thakur
Chia Y. Han
Copyright-Jahr
2022
Buch
Human Interaction, Emerging Technologies and Future Systems V

Print ISBN: 978-3-030-85539-0

Electronic ISBN: 978-3-030-85540-6

Copyright-Jahr: 2022

DOI
https://doi.org/10.1007/978-3-030-85540-6_73

Premium Partner

    Bildnachweise